PHP preg_match_all 模式中的子模式名称

Question

任务很明确。在输入中我们有一个可变的正则表达式模式，它应该包含命名的子模式，在输出中我们需要得到一个子模式名称的数组：

function get_subpattern_names($any_input_pattern) {
  // What pattern to use here?
  $pattern_to_get_names = '/.../';

  preg_match_all($pattern_to_get_names, $any_input_pattern, $matches);

  return $matches;
}

那么问题是在上面的函数中使用什么作为$pattern_to_get_names？

例如：

get_subpattern_names('/(?P<name>\w+): (?P<digit>\d+)/');

应该返回：

array('name', 'digit');

P.S.：根据PCRE documentation，子模式名称最多由 32 个字母数字字符和下划线组成。

由于我们不控制输入模式，我们需要考虑所有可能的命名语法。根据PHP documentation，它们是：
(?P<name>pattern)、(?<name>pattern) 和(?'name'pattern)。

我们还需要考虑嵌套子模式，例如：
(?<name1>.*(?<name2>pattern).*)。

无需计算重复名称、保留外观顺序或获取数字、非捕获或其他类型的子模式。仅列出名称（如果存在）。

Answer 1

您可以使用

获得所有有效命名捕获组名称的列表

"~(?<!\\\\)(?:\\\\{2})*\(\?(?|P?<([_A-Za-z]\w{0,31})>|'([_A-Za-z]\w{0,31})')~"

查看regex 和online PHP demo。

重点是匹配未转义的(，后跟?，然后再跟P< 或<，然后有一个以> 或' 结尾的组名模式接着是组名模式，然后是'。

$rx = "~(?<!\\\\)(?:\\\\{2})*\(\?(?|P?<([_A-Za-z]\w{0,31})>|'([_A-Za-z]\w{0,31})')~";
$s = "(?P<name>\w+): (?<name2>\w+): (?'digit'\d+)";
preg_match_all($rx, $s, $res);
print_r($res[1]);

产量

Array
(
    [0] => name
    [1] => name2
    [2] => digit
)

模式详情

• (?<!\\) - 没有 \ 紧邻当前位置的左侧
• (?:\\\\)* - 0+ 双反斜杠（允许( 之前的任何转义反斜杠）
• \( - 一个(
• \? - 一个?
• (?|P?<([_A-Za-z]\w{0,31})>|'([_A-Za-z]\w{0,31})') - 一个分支重置组：
  • P?<([_A-Za-z]\w{0,31})> - 可选的P、<、_ 或 ASCII 字母、0 到 31 个字字符（数字/字母/_）（捕获到组 1）和 >
  • | - 或
  • '([_A-Za-z]\w{0,31})' - '、_ 或 ASCII 字母、0 到 31 个字字符（数字/字母/_）（也捕获到第 1 组），然后是 '

组名模式都被捕获到组 1 中，您只需要获取$res[1]。

Answer 2

Wiktor 的解决方案似乎相当彻底，但这是我想出的。

print_r(get_subpattern_names('/(?P<name>\w+): (?P<digit>\d+)/'));

function get_subpattern_names($input_pattern){
    preg_match_all('/\?P\<(.+?)\>/i', $input_pattern, $matches);
    return $matches[1];
}

这应该适用于大多数情况。更重要的是，这更具可读性和不言自明。

基本上，我搜索?P<，然后搜索(.+?)，它转换为尖括号之间的non-greedy 版本。然后该函数只返回 $matches 数组中的第一个偏移量，它指向匹配的第一组括号。